Risk of Credit Default

El ICCMX está construído utlizando 4 años de datos de búsquedas semanales disponibles mediante la API de Google Trends. Los datos de búsqueda capturan una dimensión espontánea de la conducta, por tanto se les supone buena representatividad de la disposición a actuar, percepción, necesidad, preocupación, etcétera. Todos los datos utilizados en este índice son datos agregados, es decir anónimos. Por lo tanto no hay dificultades de privacidad en los datos.

El ICCMX está compuesto por mas de 2,500 búsquedas categorizadas en componentes y subcomponentes de forma cualitativa de acuerdo a lo que asumimos que representaría el constructo de confianza del consumidor. El trabajo de validez de constructo esta aún por hacerse así como el de replicar los resultados con distintos métodos no supervisados. Es ésta pues una primera versión que, aunque incompleta aún, muestra ya resultados interesantes.

¿Cómo saber si el subir o bajar del índice a través del tiempo representa una fluctuación positiva o negativa de la confianza del consumidor?

Damos por sentado que el volúmen de usuarios y búsquedas de Google, en México y en el mundo, sólo tiende a subir, pero la razón de búsquedas por usuario debería ser más o menos constante. Pero las fluctuaciones de volúmenes de búsquedas a través del tiempo, a pesar de su tendencia general, pueden ordenarse y se observan descensos e incrementos que entonces se explicarían por la atención que el tema recibe del público en ese momento. Pensamos, también, que el efecto de ranking de las búsquedas comparads entre sí en determinado corte temporal, lleva a los índices a subir o bajar.

Al final, el índice es el sustrato de los volúmenes de búsquedas y sus interacciones. Es ésto lo que llamamos información y la pregunta es si los modelos utilizados son capaces de aprehender y aprenderla. Específicamente en este caso, el complemento del error de reconstrucción de los autoencoders utilizados para reducir la dimensionalidad (~12% en muestras de validación) nos habla de la magnitud de información contenida en los índices (~88%).

Para contribuir a su interpretabilidad, utilizamos conjuntos de árboles de decisión donde explicamos los índices a partir de sus componentes. Las visualizaciones de contribución de los componentes al ICMMX nos habla, en términos generales, de que las búsquedas relacionadas a egresos, gastos menores y mayores suben cuando la confianza va en detrimento, mientras que las busquedas relacionadas a ahorro y apoyo del estado o del IMSS al consumidor, aumentan cuando la confianza del consumidor aumenta.

AL comparar al ICMMX con otros indicadores, encontramos que el ICMMX es mas conservador que el ICC del INEGI en términos de una menor volatilidad en el movimiento sinusoidal de la tendencia del índice aunque ambos coinciden en la tendencia descendiente actual. El ICCMX muestra un sentimiento más pesimista del consumidor actualemte que el ICC. Creemos que el ICCMX tiene la ventaja de estar construído sobre muestras mucho más grandes aunque sesgadas a la población activa del medio digital. Por otro lado la diferencia entre datos obtenidos pasivamente (Goolge Trends) frente a datos recabados con cuestionarios (INEGI) es tal que argumentaríamos que las dos metodologías son al menos complementarias.

Los efectos de la pandemia en casi todas las categorías es notable y observamos una inversión de las valencias de la contribución de muchos componentes y subcomponentes alrededor de los inicios del 2020. Tomamos esto como una indicación de que la información aquí presentada es valiosa ya que efectivamente coincide con lo esperado en un análisis de esta índole.

Mayor profundización en el análisis es recomendada y la colaboración sería bienvenida. El trabajo de validación de constructo queda como siguiente paso y un benchmarking con otros indicadores econométricos que pudieran demostrar la contribución o redundancia de la información contenida en este índice así como describirla con mayor detalle. La prosecución de esta metodología en otros campos de estudio es también recomendada.

Las correlaciones entre las variables aquí analizadas están representadas por el color y el tamaño de cada círculo. La intersección de las filas y las columnas marca las variables en cuestión. El color azul denota una correlación positiva, el amarillo una correlación negativa y el verde la ausencia de correlación. El tamaño de los círculos denota el volúmen de la variables sumadas. Las correlaciones son calculadas con un método r de Pearson pairwise. Una correlación positiva visualizada en serie de tiempo mostraría líneas similares, negativa mostraría líneas opuestas y ausente mostraría lineas distintas.

Arriba, la importancia de los componentes del índice y la contribución a su predicción. Cada punto es una observación en los datos, es decir búsquedas semanales. Los colores denotan volúmenes alto y bajo de las búsquedas y derecha/izquierda denotan valor positivo o negativo del Shapley value. Las variables están ordenadas por importancia de arriba a abajo.

Abajo, se visualiza la importancia y contribución de las variables a través del tiempo. Cada corte en la línea del tiempo muestra los Shapley additive values de las variables y si es que contribuyen a que el valor del índice suba o baje más allá del valor promedio del índice hasta ese punto.

Observamos aqui similitudes y diferencias entre el ICMMX y el ICC del INEGI así como la tasa de desocupación nacional publicada por el INEGI. El pico en la tasa de desocupación durante la pandemia sin duda contribuye y continúa influyendo al clima de confianza actual.

EL ICCMX y el ICC demuestran una tendencia actual descendente, pero el ICC demuestra una recuperación de confianza después de la primera ola de la pandemia y un nuevo descenso posterior. El ICCMX también demuestra este movmiento, pero más moderado. Más bien, el ICMMX demuestra un gradual descenso de confianza. Ambos indicadores concuerdan en ello considerando su punto de partida en el 2018, siendo la tendencia general del ICCMX más pesimisita que la del ICC en este sentido.